CN114362171B - 一种计及新能源出力不确定性的电力系统规划运行优化方法 - Google Patents

一种计及新能源出力不确定性的电力系统规划运行优化方法 Download PDF

Info

Publication number
CN114362171B
CN114362171B CN202210040526.7A CN202210040526A CN114362171B CN 114362171 B CN114362171 B CN 114362171B CN 202210040526 A CN202210040526 A CN 202210040526A CN 114362171 B CN114362171 B CN 114362171B
Authority
CN
China
Prior art keywords
new energy
model
power
output
uncertainty
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210040526.7A
Other languages
English (en)
Other versions
CN114362171A (zh
Inventor
叶洪兴
张洛萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202210040526.7A priority Critical patent/CN114362171B/zh
Publication of CN114362171A publication Critical patent/CN114362171A/zh
Application granted granted Critical
Publication of CN114362171B publication Critical patent/CN114362171B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种计及新能源出力不确定性的电力系统规划运行优化方法，步骤如下：获取电网、新能源发电、负荷和各类可控设备技术经济特性数据；根据取得的数据，以新能源承载能力最大，系统网损、投资成本和运行最小为优化目标，建立计及新能源出力不确定性的电力系统规划运行优化模型P1；根据所建优化模型P1，使用松弛技术处理模型中非线性约束，得到松弛模型P2；根据松弛后的模型P2，将新能源机组关于不确定性的约束进行转化处理，得到优化模型P3；求解模型P3，根据求解结果更新模型P3；重复求解并更新P3，直至满足迭代终止条件，输出新能源最优承载能力、可控设备投资及调度运行方案。本发明可应用于电网投资规划、新能源最大承载能力优化、新能源不确定性消纳、分布式能源选址、分布式能源统筹配置运行优化及效率效益优化等领域。

Description

一种计及新能源出力不确定性的电力系统规划运行优化方法
技术领域
本发明属于智能电网技术领域，涉及一种计及新能源出力不确定性的电力系统规划运行优化方法。
背景技术
随着新能源发电技术的发展和政府支持力度的不断加大，新能源在我国呈爆发增长趋势。2020年，我国光伏和风电装机容量分别增长了48.2GW和71.7GW，一系列的相关政策相继出台来支持和鼓励新能源的发展。然而，由于新能源出力固有的随机性和波动性，快速增长的渗透率将会给电力系统带来巨大挑战，如过电压、功率失衡和弃风弃光等问题。因此，考虑新能源出力不确定性的电力系统规划运行优化方法对于电网安全、经济、低碳运行具有重大意义。
目前，已有一些方法利用诸如储能、灵活火电、静止无功补偿器等可控设备的调节控制来保障新能源高渗透率下的电网安全运行，但这些方法大多采用非线性优化模型，往往求解效率不佳。此外，大部分电力系统规划运行相关文献的新能源出力多从历史数据中提取或用额定功率来表示，未记及新能源出力的不确定性给系统安全运行带来的挑战。
发明内容
为了克服上述现有研究的缺点，本发明的目的在于提供一种计及新能源出力不确定性的电力系统规划运行自适应优化方法，基于新能源出力预测置信区间、松弛技术及代理仿射策略建立计算高效的电力系统规划运行优化模型，实现风电光伏高比例消纳和传统完全可控设备的高效安全利用。
为了实现上述目的，本发明采用的技术方案是：
一种计及新能源出力不确定性的电力系统规划运行优化方法，其特征在于，包括以下步骤：
步骤1、获取电网、新能源发电、负荷和各类可控设备技术经济特性数据；
步骤2、根据步骤1取得的数据，以新能源承载能力最大，系统网损、投资成本和运行最小为优化目标，建立计及新能源出力不确定性的电力系统规划运行优化模型P1；
步骤3、根据步骤2所建优化模型P1，使用松弛技术处理模型中非线性约束，得到松弛模型P2；
步骤4、根据步骤3松弛后的模型P2，将新能源机组关于不确定性的约束进行转化处理，得到优化模型P3；
步骤5、求解步骤4得到的优化模型P3，根据求解结果，更新模型P3；
步骤6、重复步骤5，直至满足迭代终止条件，输出新能源最优承载能力、可控设备投资及调度运行方案。
步骤1中数据主要包括：电网拓扑结构、电压和线路潮流安全范围，新能源出力预测值及置信区间，负荷预测值，燃气轮机、柴油发电机、火电厂、静止无功补偿器、调相机等各类可控设备的投资成本、运行成本、额定容量、出力范围及最大安装数量。
步骤2中所述计及新能源出力不确定性的电力系统规划运行优化模型P1的建模过程如下：
1)确定目标函数为
Figure BDA0003470022050000031
其中，
Figure BDA0003470022050000032
分别表示第n个r类新能源能源以及第m个g类可控设备的装机容量；
Figure BDA0003470022050000033
和
Figure BDA0003470022050000034
分别表示t时刻传输线(i,j)的网损和第m个g类可控设备t时刻出力；fh(·)、fc(·)、fl(·)、fe(·)分别表示新能源承载能力函数、投资成本函数、网损惩罚函数和运行成本函数；
Figure BDA0003470022050000035
为时间的集合；
Figure BDA0003470022050000036
为新能源能源类别的集合；
Figure BDA0003470022050000037
为新能源能源数量的集合；
Figure BDA0003470022050000038
为可控设备类别集合；
Figure BDA0003470022050000039
为可控设备数量集合；
Figure BDA00034700220500000310
为传输线集合。
2)引入新能源出力预测置信区间：
Figure BDA00034700220500000311
其中，
Figure BDA00034700220500000312
表示第n个r类新能源能源在t时刻的有功预测出力；
Figure BDA00034700220500000313
分别为新能源出力预测置信区间下限函数和预测置信区间上限函数。
3)引入节点功率平衡约束
Figure BDA00034700220500000314
其中，Pi,t和Qi,t分别为节点i的有功和无功注入功率；Vi,t表示节点i的电压幅值，θij,t为节点i和节点j的电压相角差；Gij和Bij分别为线路导纳的实部和虚部；
Figure BDA00034700220500000315
为节点的集合；
4)引入可控设备约束
Figure BDA0003470022050000041
其中，
Figure BDA0003470022050000042
分别为第m个g类可控设备的有功规划出力、无功规划出力和容量；fP,min(·)、fP,max(·)、fQ,min(·)和fQ,max(·)分别为可控设备最低有功出力函数、最大有功出力函数、最小无功出力函数和最大无功出力函数；
Figure BDA0003470022050000043
为第m个g类可控设备是否安装的0-1决策变量；
Figure BDA0003470022050000044
为第m个g类可控设备的最大允许安装容量；Xg为第g类可控设备的最大装机数量。
5)引入电网安全约束
Figure BDA0003470022050000045
Figure BDA0003470022050000046
其中，V和
Figure BDA0003470022050000047
为电压下限和上限；Sij,t为从节点i到节点j的传输线视在功率；
Figure BDA0003470022050000048
为传输线视在功率上限。
6)对新能源出力不确定性进行消纳
根据新能源实际出力的不确定度，使用仿射策略做为可控设备的调度函数，对新能源能源不确定性进行消纳；仿射策略表示为
Figure BDA0003470022050000049
其中，Ft P、Ft Q、Ft V、和Ft θ分别为新能源出力不确定度εt到有功功率、无功功率、电压幅值和相角的仿射矩阵；
Figure BDA00034700220500000412
是不确定度的集合，定义为
Figure BDA0003470022050000051
其中，
Figure BDA0003470022050000052
和
Figure BDA0003470022050000053
为不确定度的下限和上限；假设Pt表示有功功率向量，Qt表示无功功率向量，Vt表示电压幅值向量，θt表示电压相角向量；则
Figure BDA0003470022050000054
Figure BDA0003470022050000055
和
Figure BDA0003470022050000056
是第二阶段的新决策变量，且需满足公式(3)至公式(6)；此外，引入以下约束，使得新能源预测置信区间被包含于
Figure BDA0003470022050000057
Figure BDA0003470022050000058
步骤3中所述松弛技术主要包括：
1)使用二阶锥松弛技术对模型P1的功率平衡约束进行松弛处理；通过引入下列辅助变量
Figure BDA0003470022050000059
将公式(3)松弛为
Figure BDA00034700220500000510
Figure BDA00034700220500000511
2)使用线性化近似技术对模型P1不确定性消纳需满足的功率平衡约束进行松弛处理；通过以下线性化近似公式
Figure BDA0003470022050000061
其中，
Figure BDA0003470022050000062
和
Figure BDA0003470022050000063
分别为电压幅值和相角的基准点；结合辅助变量公式(10)，将不确定性消纳需满足的功率平衡约束松弛为
Figure BDA0003470022050000064
在公式(14)中引入了一组松弛变量，以保证模型有解，并将其作为惩罚项加入目标函数中。
3)使用线性化分段技术对模型P1的传输线视在功率约束进行近似处理，通过引入一簇拟合线，实现非线性视在功率约束的分段线性化：
Figure BDA0003470022050000065
其中，Pij,t和Qij,t表示传输线有功和无功功率；αij,k、βij,k和χij,k是第k条拟合线的分段线性方程系数；
Figure BDA0003470022050000071
为拟合线集合。
步骤4中所述处理涉及新能源出力不确定性的约束，将难以求解的问题转化为线性易求解问题，采用代理仿射策略，具体方法如下：
1)将模型P2抽象表示为：
Figure BDA0003470022050000072
s.t.Ax+Nz≤h   (17)
Figure BDA0003470022050000073
Figure BDA0003470022050000074
其中，决策变量x包括可控设备的容量、规划出力、安装位置，新能源能源的容量、规划出力以及不确定度上下限；决策变量z包括辅助变量(10)；决策变量F包括FP、FQ和Fz；式(17)包括式(2)、(4)、(5)、(9)、(11)和(15)；式(12)表示为式(18)；式(19)包括第二阶段的式(14)、可控设备约束和电网安全约束。
2)使用代理仿射策略处理该模型中的式(19)，通过引入一组代理变量δLB,δUB：
0≤δLB≤1,0≤δUB≤1   (20)
以及一个代理函数：
Figure BDA0003470022050000075
其中，UUB表示
Figure BDA0003470022050000076
UUB表示
Figure BDA0003470022050000077
公式(19)可重构为以下线性约束：
Figure BDA0003470022050000081
其中，π为对偶乘子变量，
Figure BDA0003470022050000082
和
Figure BDA0003470022050000083
为新的代理仿射矩阵变量；之后，可得到混合整数线性规划模型P3：
Figure BDA0003470022050000084
步骤5中所述利用模型P3求解结果，更新模型P3，具体为：
根据各节点电压求解结果，将其作为线性化松弛技术的基值，更新与步骤3所述松弛技术相关的约束，得到更新后的模型P3。
所述步骤6中所述迭代终止条件具体包括：达到最大迭代次数、最小电压变化要求或最小功率误差要求。
与现有技术相比，本发明至少具有如下的有益效果：
1、本发明提供了一种计及新能源出力不确定性的电力系统规划运行的新型混合优化模型，可实现新能源最优承载能力、和可控设备规划运行的协同优化，提高新能源利用率，降低系统投资和运行成本，对于电网规划建设等相关部门具有一定的实用价值。
2、本发明提供了可控资源的再调度控制策略。该策略的原理类似于工业界中常用于调频的自动发电控制(AGC)。在实时阶段获得新能源出力不确定度的同时，通过再调度控制策略对可控资源进行出力调节。该策略可以保证系统安全运行，也可满足可控资源的物理约束。此外，再调度控制策略是连续函数，可满足不同时间尺度的调度需求。
3、本发明提供了一种电力系统规划运行的新型混合凸松弛技术和迭代算法。该混合凸松弛模型可通过迭代算法渐进逼近非线性AC潮流方程。
该方法在两阶段或多阶段优化模型中有广阔的应用前景，包括：新能源最大承载能力优化、新能源不确定性消纳、电网投资规划、分布式能源选址、分布式能源统筹配置运行优化及效率效益优化等。
附图说明
图1是本发明的流程图。
图2是本发明的新能源出力预测置信区间与最优安全注入范围的对比示意图。
图3是本发明的混合松弛迭代算法示意图。
图4是本发明的单相141节点配电网拓扑示意图。
图5是本发明的光伏规划出力、承载能力、最优安全注入范围和置信区间的计算结果图。
图6是本发明的光伏出力达到置信区间上限的极限情况时各时刻电压幅值曲线。
图7是本发明的线性化电压基准点和求解结果的欧氏距离随迭代变化图。
图8是本发明的线性化电压基准点和收敛后的求解结果对比图。
图9是本发明的光伏承载能力关于静止无功补偿器和燃气轮机容量的灵敏度分析图。
具体实施方式
下面将结合附图和具体实施例对本发明进一步详细说明。
本发明提出的一种计及新能源出力不确定性的电力系统规划运行优化方法，其流程图如图1所示，包括以下步骤：
步骤1、获取电网、新能源发电、负荷和各类可控设备技术经济特性数据，包括电网拓扑结构、电压和线路潮流安全范围，新能源预测值及置信区间，负荷预测值，燃气轮机、柴油发电机、火电厂、静止无功补偿器、调相机等各类可控设备的投资成本、运行成本、额定容量、出力范围及最大安装数量；
步骤2、根据步骤1取得的数据，以新能源承载能力最大，系统网损、投资成本和运行最小为优化目标，建立计及新能源出力不确定性的电力系统规划运行优化模型P1；
模型P1的优化目标是求得系统可容纳的最大新能源装机容量、最小投资和运行成本和最小网损，并且保证新能源不确定性能通过可控资源的调节来安全消纳；因此，所述模型的目标函数可描述为
Figure BDA0003470022050000101
其中，
Figure BDA0003470022050000102
分别表示第n个r类新能源能源以及第m个g类可控设备的装机容量；
Figure BDA0003470022050000103
和
Figure BDA0003470022050000104
分别表示t时刻传输线(i,j)的网损和第m个g类可控设备t时刻出力；fh(·)、fc(·)、fl(·)、fe(·)分别表示新能源承载能力函数、投资成本函数、网损惩罚函数和运行成本函数；
Figure BDA0003470022050000105
为时间的集合；
Figure BDA0003470022050000106
为新能源能源类别的集合；
Figure BDA0003470022050000107
为新能源能源数量的集合；
Figure BDA0003470022050000108
为可控设备类别集合；
Figure BDA0003470022050000109
为可控设备数量集合；
Figure BDA00034700220500001010
为传输线集合。
新能源实际出力与预测出力的偏差被视为新能源出力不确定度，其通常服从均值为0方差为σ的正态分布；因此，第n个r类新能源能源在t时刻出力可表示为：
Figure BDA0003470022050000111
其中，
Figure BDA0003470022050000112
和
Figure BDA0003470022050000113
分别为t时刻新能源实际出力、预测出力和不确定度；假设第n个新能源能源容量为
Figure BDA0003470022050000114
由于新能源出力正比于其容量，则新能源出力预测值及预测置信区间可表示为
Figure BDA0003470022050000115
其中，
Figure BDA0003470022050000116
表示第n个r类新能源能源在t时刻的有功预测出力；
Figure BDA0003470022050000117
分别为新能源出力预测置信区间下限函数和预测置信区间上限函数。
所建模型P1的约束条件包括：
节点功率平衡约束：
Figure BDA0003470022050000118
其中，Pi,t和Qi,t分别为节点i的有功和无功注入功率；Vi,t表示节点i的电压幅值，θij,t为节点i和节点j的电压相角差；Gij和Bij分别为线路导纳的实部和虚部；
Figure BDA0003470022050000119
为节点的集合；
可控设备约束：
Figure BDA00034700220500001110
其中，
Figure BDA0003470022050000121
分别为第m个g类可控设备的有功规划出力、无功规划出力和容量；fP,min(·)、fP,max(·)、fQ,min(·)和fQ,max(·)分别为可控设备最低有功出力函数、最大有功出力函数、最小无功出力函数和最大无功出力函数；
Figure BDA0003470022050000122
为第m个g类可控设备是否安装的0-1决策变量；
Figure BDA0003470022050000123
为第m个g类可控设备的最大允许安装容量；Xg为第g类可控设备的最大装机数量。
电网安全约束：
Figure BDA0003470022050000124
Figure BDA0003470022050000125
其中，V 2和
Figure BDA0003470022050000126
为电压下限和上限；Sij,t为从节点i到节点j的传输线视在功率；
Figure BDA0003470022050000127
为传输线视在功率上限。
新能源出力不确定性消纳：
根据新能源实际出力的不确定度，使用仿射策略做为可控设备的调度函数，对新能源能源不确定性进行消纳；仿射策略表示为
Figure BDA0003470022050000128
其中，
Figure BDA0003470022050000129
和
Figure BDA00034700220500001210
分别为新能源不确定度εt到有功功率、无功功率、电压幅值和相角的映射矩阵；
Figure BDA00034700220500001211
是不确定度的集合，定义为
Figure BDA00034700220500001212
其中，
Figure BDA00034700220500001213
和
Figure BDA00034700220500001214
为不确定度的下限和上限；假设Pt表示有功功率向量，Qt表示无功功率向量，Vt表示电压幅值向量，θt表示电压相角向量；则
Figure BDA00034700220500001215
Figure BDA00034700220500001216
和
Figure BDA00034700220500001217
是第二阶段的新决策变量，且需满足公式(3)至公式(6)；此外，引入以下约束，使得新能源预测置信区间被包含于
Figure BDA0003470022050000131
Figure BDA0003470022050000132
此时，
Figure BDA0003470022050000133
可被视为新能源最优安全注入范围。如图2所示，新能源出力预测置信区间总被最优安全注入范围所包括；由此，计及新能源出力不确定性的电力系统规划运行优化模型可表示为
Figure BDA0003470022050000134
步骤3、根据所建优化模型P1，使用松弛技术处理模型中非线性约束，得到松弛模型P2
P1模式是一个难以求解的高度非线性模型；第一，功率平衡方程是非线性非凸的；其次，第二阶段的仿射策略引入了更多的非线性项；最后，第二阶段中的可变不确定性集合也引入了非线性项；为了克服以上难题，本发明提出了一种混合松弛方法，在第一阶段使用强松弛技术来得到规划出力较为精确的近似解；在第二阶段使用一种新型的线性化方法，利用第一阶段电压作为基准值来得到线性潮流方程；该混合松弛方法为线性潮流方程和仿射策略提供一种非常精确的基准点，显著提高模型准确率；
在第一阶段中，本发明使用二阶锥松弛技术对模型P1的功率平衡约束进行松弛处理，通过引入下列辅助变量
Figure BDA0003470022050000141
将公式(3)松弛为
Figure BDA0003470022050000142
Figure BDA0003470022050000143
在第二阶段中，本发明提供了一种新型的线性化潮流方程，可与二阶锥松弛技术和仿射策略进行整合，充分利用二阶锥松弛的精度高的优势来提高线性化潮流方程和仿射策略的准确度；通过以下线性化近似公式
Figure BDA0003470022050000144
其中，
Figure BDA0003470022050000145
和
Figure BDA0003470022050000146
分别为电压幅值和相角的基准点，结合辅助变量公式(9)，将不确定性消纳需满足的功率平衡约束松弛为
Figure BDA0003470022050000151
为了保证模型有解，在公式(14)中引入了一组松弛变量，并将其作为惩罚项加入目标函数中。
公式(6)传输线视在功率约束是一组非线性方程，本发明通过引入一簇拟合线，实现非线性视在功率约束的分段线性化：
Figure BDA0003470022050000152
其中，Pij,t和Qij,t表示传输线有功和无功功率；αij,k、βij,k和χij,k是第k条拟合线的分段线性方程系数；
Figure BDA0003470022050000153
为拟合线集合。
步骤4、根据松弛后的模型P2，将新能源机组关于不确定性的约束进行转化处理，得到优化模型P3
由于传统仿射策略与可变不确定性集会引入非线性项，模型P2仍难以直接求解；为了表述简洁，本发明模型P2抽象表示为
Figure BDA0003470022050000154
Figure BDA0003470022050000161
Figure BDA0003470022050000162
Figure BDA0003470022050000163
其中，决策变量x包括可控设备的容量、规划出力、安装位置，新能源能源的容量、规划出力以及不确定度上下限；决策变量z包括辅助变量(10)；决策变量F包括FP、FQ和Fz；式(17)包括式(2)、(4)、(5)、(9)、(11)和(15)；式(12)表示为式(18)；式(19)包括第二阶段的式(14)、可控设备约束和电网安全约束。
本发明根据新能源实际出力的不确定度，使用仿射策略作为可控设备的调度函数，对新能源不确定性进行消纳；通过引入一组代理变量δLB,δUB：
0≤δLB≤1,0≤δUB≤1   (20)
以及一个代理函数：
Figure BDA0003470022050000164
将公式(17)重构为以下线性约束：
Figure BDA0003470022050000165
之后，可得到模型P3：
Figure BDA0003470022050000166
模型P3是一个二阶锥规划(SOC)问题，可以使用优化求解包直接求解；
步骤5、求解模型P3，根据求解结果，更新模型P3；
使用优化软件包，如Cplex、Gurobi、Mosek或SCIP等，求解模型P3，可得到以下求解结果：电网各节点电压，新能源能源装机容量及最优安全注入范围，各可控设备规划出力、装机容量和选址，以及代理仿射矩阵；
根据各节点电压求解结果，将其作为线性化松弛技术(式(13))的基值，更新与松弛技术相关的约束(式(13))，得到更新后的模型P3；
步骤6、重复步骤5，直至满足迭代终止条件，输出新能源最优承载能力、可控设备投资及调度运行方案。
迭代示意图如图3所示，线性化基准点随着迭代将逐渐逼近电压求解结果。所述迭代终止条件具体包括：达到最大迭代次数、最小电压变化要求或最小功率误差要求。迭代终止时的新能源能源装机容量之和将作为电网新能源承载能力。
实施例
为使本领域技术人员更好地理解本发明，本实施例使用改进的141节点配电网系统，进行光伏承载能力优化，来验证本发明的所提方法的有效性。该系统具有84个负荷节点，其峰值功率分别为11.9MW和7.4MVar。变电站基准电压为12.47kV，电压安全范围为[0.95p.u.，1.05p.u.]。静止无功补偿器安装候选区域、光伏和燃气轮机的安装区域如图4所示。本实例中四季典型日每小时负荷预测值、光伏预测值及预测置信区间来源于奥地利2019年光伏和负荷数据。
在该系统中利用本发明提出的计及新能源出力不确定性的电力系统规划运行方法计算后，输出的光伏承载能力、规划出力、最优安全注入范围如图5所示。光伏最优承载能力计算为10.31MW，约为峰值负荷的86.6％。此外，计算得到的光伏最大注入范围在任何时刻均囊括其预测置信区间，说明光伏出力不确定度可以通过可控资源的再调度从而完全消纳。进一步地，极端条件下的电压幅值曲线如图6所示，此时所有光伏出力偏差达到了最优安全注入范围的上界。可以看出，极端条件下各时刻的电压幅值均在[0.97p.u.，1.05p.u.]内，没有发生过电压事件。
电压线性化基准点和求解结果的欧氏距离随迭代次数增加的变化结果如图7所示，从图中可以看出，两者的距离随着迭代的进行逐渐变小，并在第20次达到终止条件。电压的欧式距离减小了约99％。算法收敛后，电压求解结果与线性化基准点几乎重合，如图8所示。收敛后的电压幅值最大间隔为0.00056p.u.，相角最大间隔为0.00037rad。
从图9的灵敏度分析结果图可以看出，光伏最优承载能力对燃气轮机容量的变化不敏感，但对静止无功补偿器容量的变化十分敏感。当燃气轮机容量由0MW增至4.1MW时，光伏最大承载能力仅增涨了约2％。而当静止无功补偿器容量由0MVar增至4MVar时，光伏最大承载能力增涨了约29％。
为了说明本发明在提高配电网光伏承载能力的优势，与目前所广泛使用的蒙特卡洛方法进行了对比，结果如表1所示。表1提供了不同燃气轮机和静止无功补偿器安装容量的场景下两种方法分别计算的光伏承载能力结果。第一列表示不同的静止无功补偿器安装容量，第2到5列表示不同的燃气轮机安装容量下计算得到的光伏承载能力。可以看出，基于本发明的方法计算的结果在所有案例下均优于蒙特卡洛方法。这是因为蒙特卡洛方法中灵活性资源是静态无调控的，而本发明的方法可以利用仿射策略进行调控，从而提高配电网的光伏承载能力。
表1基于蒙特卡洛方法与本方法求解的光伏最大承载能力结果对比
Figure BDA0003470022050000191
[1]基于蒙特卡洛方法计算得到的光伏最大承载能力；
[2]基于本发明提出的优化方法计算得到的光伏最大承载能力。
需要说明的是，所描述的实施例是为了能够更透彻地理解本发明，并不是全部实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。

Claims (2)

1.一种计及新能源出力不确定性的电力系统规划运行优化方法，其特征在于，包括以下步骤：
步骤1、获取电网、新能源发电、负荷和各类可控设备技术、经济特性数据。
步骤2、根据步骤1取得的数据，以新能源承载能力最大，系统网损、投资成本和运行最小为优化目标，建立计及新能源出力不确定性的电力系统规划运行优化模型P1；具体的建模过程如下：
2.1)确定目标函数为
Figure FDA0004124970820000011
其中，
Figure FDA0004124970820000012
分别表示第n个r类新能源能源以及第m个g类可控设备的装机容量；
Figure FDA0004124970820000013
和
Figure FDA0004124970820000014
分别表示t时刻传输线(i,j)的网损和第m个g类可控设备t时刻出力；fh(·)、fc(·)、fl(·)、fe(·)分别表示新能源承载能力函数、投资成本函数、网损惩罚函数和运行成本函数，每项可加权重系数；
Figure FDA0004124970820000015
为时间的集合；
Figure FDA0004124970820000016
为新能源能源类别的集合；
Figure FDA0004124970820000017
为新能源能源数量的集合；
Figure FDA0004124970820000018
为可控设备类别集合；
Figure FDA0004124970820000019
为可控设备数量集合；
Figure FDA00041249708200000110
为传输线集合；
2.2)引入新能源出力预测置信区间：
Figure FDA00041249708200000111
  
Figure FDA0004124970820000021
其中，
Figure FDA0004124970820000022
表示第n个r类新能源能源在t时刻的预测有功出力；
Figure FDA0004124970820000023
分别为新能源出力预测置信区间下限函数和预测置信区间上限函数；
2.3)引入节点功率平衡约束
Figure FDA0004124970820000024
Figure FDA0004124970820000025
其中，Pi,t和Qi,t分别为节点i的有功和无功注入功率；Vi,t表示节点i的电压幅值，θij,t为节点i和节点j的电压相角差；Gij和Bij分别为线路导纳的实部和虚部；
Figure FDA0004124970820000026
为节点的集合；
2.4)引入可控设备约束
Figure FDA0004124970820000027
Figure FDA0004124970820000028
Figure FDA0004124970820000029
Figure FDA00041249708200000210
其中，
Figure FDA00041249708200000211
分别为第m个g类可控设备的有功规划出力、无功规划出力和容量；fP,min(·)、fP,max(·)、fQ,min(·)和fQ,max(·)分别为可控设备最低有功出力函数、最大有功出力函数、最小无功出力函数和最大无功出力函数；
Figure FDA00041249708200000212
为第m个g类可控设备是否安装的0-1决策变量；
Figure FDA00041249708200000213
为第m个g类可控设备的最大允许安装容量；Xg为第g类可控设备的最大装机数量；
2.5)引入电网安全约束
Figure FDA0004124970820000031
Figure FDA0004124970820000032
其中，V和
Figure FDA0004124970820000033
为电压下限和上限；Sij,t为从节点i到节点j的传输线视在功率；
Figure FDA0004124970820000034
为传输线视在功率上限；
2.6)对新能源不确定性进行消纳
根据新能源实际出力的不确定度，使用仿射策略作为可控设备的调度函数，对新能源不确定性进行消纳；仿射策略表示为
Figure FDA0004124970820000035
其中，
Figure FDA0004124970820000036
和
Figure FDA0004124970820000037
分别为新能源出力不确定度εt到有功功率、无功功率、电压幅值和相角的仿射矩阵；
Figure FDA0004124970820000038
是不确定度的集合，定义为
Figure FDA0004124970820000039
其中，
Figure FDA00041249708200000310
和
Figure FDA00041249708200000311
为不确定度的下限和上限；假设Pt表示有功功率向量，Qt表示无功功率向量，Vt表示电压幅值向量，θt表示电压相角向量；则
Figure FDA00041249708200000312
和
Figure FDA00041249708200000313
是第二阶段的新决策变量，且满足公式(3)至公式(6)；此外，引入式(9)所示约束，使得新能源出力预测置信区间被包含于
Figure FDA0004124970820000048
Figure FDA0004124970820000041
步骤3、根据步骤2所建优化模型P1，使用松弛技术处理模型中非线性约束，得到松弛模型P2；具体过程如下：
3.1)使用二阶锥松弛技术对步骤2建立的模型P1的功率平衡约束进行松弛处理；通过引入式(10)所示辅助变量
Figure FDA0004124970820000042
将公式(3)松弛为
Figure FDA0004124970820000043
Figure FDA0004124970820000044
3.2)使用线性化近似技术对模型P1不确定性消纳需满足的功率平衡约束进行松弛处理，通过引入式(13)所示线性化近似公式
Figure FDA0004124970820000045
其中，
Figure FDA0004124970820000046
和
Figure FDA0004124970820000047
分别为电压幅值和相角的基准点；结合辅助变量公式(10)，将不确定性消纳需满足的功率平衡约束松弛为
Figure FDA0004124970820000051
Figure FDA0004124970820000052
在公式(14)中引入了一组松弛变量，以保证模型有解，并将其作为惩罚项加入目标函数中；
3.3)使用线性化分段技术对模型P1的传输线视在功率约束进行近似处理，通过引入一簇拟合线，实现非线性视在功率约束的分段线性化：
Figure FDA0004124970820000053
其中，Pij,t和Qij,t表示传输线有功和无功功率；αij,k、βij,k和χij,k是第k条拟合线的分段线性方程系数；
Figure FDA0004124970820000054
为拟合线集合；
步骤4、根据步骤3松弛后的模型P2，将新能源机组关于不确定性的约束进行转化处理，将难以求解的问题转化为线性易求解问题，得到优化模型P3，具体方法如下：
4.1)将模型P2抽象表示为：
Figure FDA0004124970820000061
s.t. Ax+Nz≤h   (17)
Figure FDA0004124970820000062
Figure FDA0004124970820000063
其中，决策变量x包括可控设备的容量、规划出力、安装位置，新能源能源的容量、规划出力以及不确定度上下限；决策变量z包括辅助变量(10)；决策变量F包括FP、FQ和Fz；式(17)包括式(2)、(4)、(5)、(9)、(11)和(15)；式(12)表示为式(18)；式(19)包括第二阶段的式(14)、可控设备约束和电网安全约束；
4.2)使用代理仿射策略处理该模型中的式(19)，通过引入一组代理变量δLB,δUB：
0≤δLB≤1,0≤δUB≤1    (20)
以及一个代理函数：
Figure FDA0004124970820000071
其中，UUB表示
Figure FDA0004124970820000072
UUB表示
Figure FDA0004124970820000073
公式(19)重构为以下线性约束：
Bx+Sz+π·1≤d，
Figure FDA0004124970820000074
π≥0
其中，π为对偶乘子变量，FP，FQ和Fz为新的代理仿射矩阵变量；之后，得到混合整数线性规划模型P3；
(P3)
Figure FDA0004124970820000075
s.t.(17)-(18)，(22)
                                                             (23)
步骤5、求解步骤4得到的优化模型P3，根据求解结果，更新模型P3；具体为：根据各节点电压求解结果，将其作为线性化松弛技术的基值，更新与步骤3所述松弛技术相关的约束，得到更新后的模型P3；
步骤6、重复步骤5，直至满足迭代终止条件，输出新能源最优承载能力、可控设备投资及调度运行方案；迭代终止条件包括：达到最大迭代次数、最小电压变化要求或最小功率误差要求。
2.根据权利要求1所述的一种计及新能源出力不确定性的电力系统规划运行优化方法，其特征在于，步骤1中数据主要包括：电网拓扑结构、电压和线路潮流安全范围，新能源出力预测值及置信区间，负荷预测值，燃气轮机、柴油发电机、火电厂、静止无功补偿器、调相机各类可控设备的投资成本、运行成本、额定容量、出力范围及最大安装数量。
CN202210040526.7A 2022-01-14 2022-01-14 一种计及新能源出力不确定性的电力系统规划运行优化方法 Active CN114362171B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210040526.7A CN114362171B (zh) 2022-01-14 2022-01-14 一种计及新能源出力不确定性的电力系统规划运行优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210040526.7A CN114362171B (zh) 2022-01-14 2022-01-14 一种计及新能源出力不确定性的电力系统规划运行优化方法

Publications (2)

Publication Number Publication Date
CN114362171A CN114362171A (zh) 2022-04-15
CN114362171B true CN114362171B (zh) 2023-04-18

Family

ID=81109910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210040526.7A Active CN114362171B (zh) 2022-01-14 2022-01-14 一种计及新能源出力不确定性的电力系统规划运行优化方法

Country Status (1)

Country Link
CN (1) CN114362171B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925926B (zh) * 2022-05-31 2023-04-07 西安交通大学 一种具有多项式时间复杂度的直流通道规划与运行方法
CN116029532B (zh) * 2023-02-23 2023-07-14 国网江西省电力有限公司经济技术研究院 一种面向配电网承载力提升的储能规划方法
CN116191441A (zh) * 2023-02-28 2023-05-30 国网江苏省电力有限公司宿迁供电分公司 一种基于模型信息辅助多智能体的配电网潮流计算方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108023364A (zh) * 2017-11-24 2018-05-11 天津大学 基于凸差规划的配电网分布式电源最大接入能力计算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318326A (zh) * 2014-10-15 2015-01-28 国家电网公司 一种提升可再生能源接纳能力的网架优化模型
US20180158152A1 (en) * 2016-12-05 2018-06-07 Carnegie Mellon University Methods and Software for Calculating Optimal Power Flow in an Electrical Power Grid and Utilizations of Same
CN107123988B (zh) * 2017-05-12 2019-09-27 南京理工大学 一种考虑恢复量不确定的停电电网负荷恢复二阶锥规划方法
CN112787329A (zh) * 2021-01-07 2021-05-11 华北电力大学 一种基于鲁棒锥规划的含风电接入的最优潮流计算方法
CN113268698B (zh) * 2021-04-08 2022-09-20 国网河北省电力有限公司营销服务中心 综合能源系统新能源消纳能力优化方法、装置及终端设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108023364A (zh) * 2017-11-24 2018-05-11 天津大学 基于凸差规划的配电网分布式电源最大接入能力计算方法

Also Published As

Publication number Publication date
CN114362171A (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN114362171B (zh) 一种计及新能源出力不确定性的电力系统规划运行优化方法
Soliman et al. Supervisory energy management of a hybrid battery/PV/tidal/wind sources integrated in DC-microgrid energy storage system
Panwar et al. Frequency stabilization of hydro–hydro power system using hybrid bacteria foraging PSO with UPFC and HAE
CN107565576B (zh) 一种多主动管理手段相协调的主动配电网无功电压优化方法
Hong et al. Optimized interval type-II fuzzy controller-based STATCOM for voltage regulation in power systems with photovoltaic farm
Chawda et al. Performance improvement of weak grid-connected wind energy system using FLSRF-controlled DSTATCOM
Saxena et al. Frequency regulation for microgrid using genetic algorithm and particle swarm optimization tuned STATCOM
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及系统
Abdeen et al. Sub‐synchronous interaction damping controller for a series‐compensated DFIG‐based wind farm
Zhou et al. Control strategy of DFIG and SVG cooperating to regulate grid voltage of wind power integration point
Zhou et al. Frequency Stability-Constrained Unit Commitment: Tight Approximation Using Bernstein Polynomials
CN117175590A (zh) 配电网逆变器协同的多谐波源治理方法
CN116415708B (zh) 考虑置信水平的电网鲁棒规划方法
Wang et al. Multi-objective optimal dispatch of wind-integrated power system based on distributed energy storage
CN116316644A (zh) 一种新能源场站电压实时平抑方法及计算机可读介质
CN115549118A (zh) 配电网无功补偿设备出力平滑指数预测方法
CN114844051A (zh) 一种主动配电网的无功电源优化配置方法及终端
Divya et al. Ann based solar power forecasting in a smart microgrid system for power flow management
Zhao et al. Droop-based active voltage regulation control and robust stability analysis for VSCs in the large-scale RES-integrated power system
Chen et al. Optimal Power Flow Under Renewable Enery Integrated For AC/DC Grids With VSC-HVDC
CN111030190A (zh) 数据驱动的新能源电力系统源-网-荷协调控制方法
Xie et al. Increment‐correction method for online distributed optimisation in distribution networks with extra‐high DER integration
Yu et al. Optimal voltage control of power systems with uncertain wind power using FACTS devices
Luo et al. Lyapunov based nonlinear model predictive control of wind power generation system with external disturbances
Aref et al. Oscillation Damping Neuro-Based Controllers Augmented Solar Energy Penetration Management of Power System Stability. Energies 2023, 16, 2391

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant